风力发电机组故障诊断与预测技术研究综述.pdf

《风力发电机组故障诊断与预测技术研究综述.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３８卷第５期仪器仪表学报Ｖｏｌ３８Ｎｏ５２０１７年５月ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｃｉｅｎｔｉｆｉｃＩｎｓｔｒｕｍｅｎｔＭａｙ．２０１７风力发电机组故障诊断与预测技术研究综述１，２１，３１，２２，４，５金晓航，孙毅，单继宏，吴根勇（１．浙江工业大学特种装备制造与先进加工技术教育部重点实验室杭州３１００１４；２．浙江工业大学机械工程学院杭州３１００１４；３．浙江工业大学海洋研究院杭州３１００１４；４．浙江运达风电股份有限公司杭州３１００１２；５．风力发电系统国家重点实验室杭州３１００１２）摘要：随着风力发电机组装机容量的快速

2、发展，累计运行时间的持续增长，风电机组的维护问题日益突出，迫切需要研发有效的风电机组故障诊断与预测系统。从故障诊断和故障预测两个方面，归纳风力发电机组的主要故障特点；针对故障诊断难点问题，分析和总结基于振动、电气信号分析和模式识别算法的故障诊断方法的研究现状，指出各种方法的技术特点、局限性和今后的发展趋势；针对风电机组中机械结构和电子系统性能退化的各自特点，归纳当前的研究进展，提出物理失效模型和数据驱动模型融合的故障预测方法；最后，归纳了利用风力发电机组数据采集与监控系统（ＳＣＡＤＡ）数据进行故障诊断与预测的最新进展及需要进一步研究的问

3、题。关键词：风力发电机组；故障诊断；故障预测；数据采集与监控系统中图分类号：ＴＨ１７文献标识码：Ａ国家标准学科分类代码：４６０Ｆａｕｌｔｄｉａｇｎｏｓｉｓａｎｄｐｒｏｇｎｏｓｉｓｆｏｒｗｉｎｄｔｕｒｂｉｎｅｓ：Ａｎｏｖｅｒｖｉｅｗ１，２１，３１，２２，４，５ＪｉｎＸｉａｏｈａｎｇ，ＳｕｎＹｉ，ＳｈａｎＪｉｈｏｎｇ，ＷｕＧｅｎｙｏｎｇ（１．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＥ＆Ｍ，ＭＯＥ，ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈａｎｇｚｈｏｕ３１００１４，Ｃｈｉｎａ；２．ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎ

4、ｅｅｒｉｎｇ，ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈａｎｇｚｈｏｕ３１００１４，Ｃｈｉｎａ；３．ＩｎｓｔｉｔｕｔｅｏｆＯｃｅａｎＲｅｓｅａｒｃｈ，ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈａｎｇｚｈｏｕ３１００１４，Ｃｈｉｎａ；４．ＺｈｅｊｉａｎｇＷｉｎｄｅｙＣｏ．，ＬＴＤ．，Ｈａｎｇｚｈｏｕ３１００１２，Ｃｈｉｎａ；５．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＷｉｎｄＰｏｗｅｒＳｙｓｔｅｍ，Ｈａｎｇｚｈｏｕ３１００１２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｓｔｈｅｉｎｓｔａｌｌｅｄｃａｐａｃ

5、ｉｔｙｏｆｗｉｎｄｔｕｒｂｉｎｅｓｇｒｏｗｓｒａｐｉｄｌｙａｎｄｃｕｍｕｌａｔｉｖｅｏｐｅｒａｔｉｏｎｔｉｍｅｃｏｎｔｉｎｕｅｓｅｘｔｅｎｄｉｎｇ，ｔｈｅｍａｉｎｔｅｎａｎｃｅｉｓｓｕｅｏｆｔｈｅｗｉｎｄｔｕｒｂｉｎｅｓｂｅｃｏｍｅｓｉｎｃｒｅａｓｉｎｇｌｙｐｒｏｍｉｎｅｎｔ，ｉｔｉｓｎｅｃｅｓｓａｒｙｔｏｄｅｖｅｌｏｐｅｆｆｅｃｔｉｖｅｗｉｎｄｔｕｒｂｉｎｅｆａｕｌｔｄｉａｇｎｏｓｉｓａｎｄｐｒｏｇｎｏｓｉｓｓｙｓｔｅｍｓｕｒｇｅｎｔｌｙ．Ｉｎｔｈｉｓｐａｐｅｒ，ｔｈｅｍａｉｎｆａｕｌｔｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｗｉｎｄｔｕｒ

6、ｂｉｎｅｓａｒｅｓｕｍｍａｒｉｚｅｄｆｒｏｍｔｗｏａｓｐｅｃｔｓｏｆｆａｕｌｔｄｉａｇｎｏｓｉｓａｎｄｆａｕｌｔｐｒｏｇｎｏｓｉｓ．Ａｉｍｉｎｇａｔｔｈｅｄｉｆｆｉｃｕｌｔｐｒｏｂｌｅｍｓｉｎｆａｕｌｔｄｉａｇｎｏｓｉｓ，ｔｈｅｒｅｓｅａｒｃｈｓｔａｔｕｓｏｆｔｈｅｆａｕｌｔｄｉａｇｎｏｓｉｓａｐｐｒｏａｃｈｅｓｂａｓｅｄｏｎｖｉｂｒａｔｉｏｎ，ｅｌｅｃｔｒｉｃｓｉｇｎａｌａｎａｌｙｓｉｓａｎｄｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍｓｆｏｒｗｉｎｄｔｕｒｂｉｎｅｆａｕｌｔｄｉａｇｎｏｓｉｓａｒｅａｎａｌｙｚｅｄａｎｄｓｕ

7、ｍｍａｒｉｚｅｄ．Ｔｈｅｔｅｃｈｎｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓ，ｌｉｍｉｔａｔｉｏｎｓａｎｄｆｕｔｕｒｅｄｅｖｅｌｏｐｍｅｎｔｔｒｅｎｄｓｏｆｄｉｆｆｅｒｅｎｔａｐｐｒｏａｃｈｅｓａｒｅｐｏｉｎｔｅｄｏｕｔ．Ａｉｍｉｎｇａｔｖａｒｉｏｕｓｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｍｅｃｈａｎｉｃａｌｓｔｒｕｃｔｕｒｅａｎｄｅｌｅｃｔｒｏｎｉｃｓｙｓｔｅｍｄｅｇｒａｄａｔｉｏｎｉｎｗｉｎｄｔｕｒｂｉｎｅｓ，ｃｕｒｒｅｎｔｒｅｓｅａｒｃｈｄｅｖｅｌｏｐｍｅｎｔｏｆｔｈｅｆａｕｌｔｐｒｏｇｎｏｓｔｉｃａｐｐｒｏａｃｈｅｓｆｏｒｗｉｎｄｔｕｒ

8、ｂｉｎｅｓａｒｅｓｕｍｍａｒｉｚｅｄ．Ｔｈｅｆａｕｌｔｐｒｏｇｎｏｓｔｉｃａｐｐｒｏａｃｈｆｕｓｉｎｇｔｈｅｐｈｙｓｉｃｓｏｆｆａｉｌｕｒｅｍｏｄｅｌａｎｄｄａｔａｄｒｉｖｅｎｍｏｄｅｌｉｓｐｒｏｐｏ